عصر تعامل هوشمند؛ خداحافظی با کد، سلام به زبان طبیعی در روزنامه‌نگاری

اجزای اجرایی دستیارهای هوشمند
دستیارهای هوشمند اجزای مختلفی دارند و با آن وظایف پیچیده‌ای را انجام می‌دهند. بیایید این اجزا را با مثال‌هایی از دنیای روزنامه‌نگاری بررسی کنیم.
تصور کنید یک روزنامه‌نگار فناوری برای پیدا کردن اطلاعات در مورد یک گجت جدید، از گوگل استفاده می‌کند. این یک تعامل مستقیم است، درست شبیه استفاده از نسخه‌های قدیمی‌تر ChatGPT. بیایید عمیق‌تر شویم و ببینیم که این فرد روزنامه‌نگار  در عمل، چه ویژگی‌هایی دارد که یک دستیار هوشمند هم باید آن‌ را داشته باشد.
 

• پروفایل و شخصیت دستیار[1]: یک روزنامه‌نگار فناوری موفق، مثل «سارا»ی نوعی، به خاطر تخصص در حوزه‌ی خاصی از فناوری (مثلاً گوشی‌های هوشمند یا هوش مصنوعی) شناخته می‌شود. او لحن خودش را در نوشتن دارد، شاید تحلیلی و دقیق، یا شاید هم صمیمی و جذاب. این تخصص و سبک نگارش، درست مانند «پروفایل و شخصیت» یک دستیار هوشمند است که تعیین می‌کند چگونه وظایفش را انجام دهد و با مخاطب ارتباط برقرار کند.
  هر دستیار هوش مصنوعی برای انجام وظایف خود نیازمند یک پروفایل و شخصیت است. این شخصیت، که به آن «سیستم پرامپت[2]» هم می‌گویند دستیار را در انجام وظایف، نحوه‌ی پاسخگویی و سایر جزئیات راهنمایی می‌کند. این شامل عناصری مانند پیشینه (مثلاً برنامه‌نویس، نویسنده) و اطلاعات جمعیتی است. برای مثال، یک دستیار هوش مصنوعی که برای پوشش اخبار ورزشی طراحی شده است، ممکن است دارای شخصیتی با پیشینه‌ی ورزشی، لحن هیجان‌انگیز و دانش عمیق در مورد لیگ‌ها و تیم‌های مختلف باشد. این پروفایل می‌تواند به صورت دستی و با کمک مدل‌های زبانی بزرگ (LLMs) تولید شود یا از طریق تکنیک‌های مبتنی بر داده، از جمله الگوریتم‌های تکاملی، شکل بگیرد. الگوریتم‌های تکاملی یا فرگشتی دسته‌ای از الگوریتم‌های بهینه‌سازی هستند که از فرآیند فرگشت بیولوژیک الهام گرفته‌اند.
   
• اقدام‌های عملی دستیار[3]: سارا برای نوشتن مطلب کارهای مختلفی انجام می‌دهد؛ مثلاً با متخصصان مصاحبه می‌کند، در رویدادهای معرفی محصول شرکت می‌کند، گجت‌ها را آزمایش می‌کند و در نهایت، مطلبش را می‌نویسد. این «اقدام‌های عملی» همان وظایفی هستند که یک دستیار هوشمند هم باید بتواند انجام دهد، مثل جست‌وجو در منابع آنلاین، تحلیل داده‌ها یا تولید متن.
  پس اقدام‌های عملی، وظایفِ قابلِ اجرایِ این دستیارهاست. این اقدام‌ها می‌توانند به سه دسته اصلی تقسیم شوند: تکمیل وظایف، اکتشاف و ارتباطات. سطح تأثیر این اقدامات بر محیط و وضعیت داخلی دستیار متفاوت است. به عنوان مثال، یک دستیار خودمختار هوش مصنوعی در روزنامه‌نگاری می‌تواند وظایفی مثل جست‌وجو در منابع خبری مختلف، خلاصه کردن مقالات، بررسی صحت اطلاعات، تولید متن اولیه‌ی خبر یا ارسال پیام به سردبیر را انجام دهد. این کارها می‌توانند به صورت دستی تعریف شوند، از حافظه‌ی دستیار فراخوانده یا بر اساس برنامه‌های از پیش تعیین شده اجرا شوند.
   
• دانش و حافظه عامل[4]: سارا در طول سال‌ها فعالیتش، دانش وسیعی در مورد دنیای فناوری جمع‌آوری کرده است. او تاریخچه‌ی شرکت‌های بزرگ را می‌داند، اصطلاحات تخصصی را می‌فهمد و مطالب پیشین خود در این حوزه را به یاد دارد. این «دانش و حافظه» به او کمک می‌کند تا درک عمیق‌تری از موضوعات داشته باشد. یک دستیار هوشمند هم باید به حجم زیادی از اطلاعات دسترسی داشته باشد و بتواند آن‌ را به خاطر بسپارد و در مواقع لزوم از آن‌ اطلاعات استفاده کند. دستیاران هوش مصنوعی از دانش و حافظه برای درک بهتر زمینه و محدود کردن میزان استفاده از توکن‌ها استفاده می‌کنند. ساختارهای دانش و حافظه می‌توانند یکپارچه یا ترکیبی باشند و از فرمت‌های مختلفی مانند اسناد PDF، پایگاه‌های داده (رابطه‌ای، شیءگرا یا سندگرا) و جاساز کردن یا امبدینگ‌ها[5] برای جست‌وجوی معنایی استفاده کنند. حتی لیست‌های ساده نیز می‌توانند به عنوان حافظه این دستیار عمل کنند. برای مثال، دستیار هوشمندی که مسئول پوشش اخبار یک حوزه‌ی خاص (مانند سیاست) است، به دانش گسترده‌ای در مورد رویدادهای سیاسی گذشته، چهره‌های کلیدی و اسناد مرتبط نیاز دارد. حافظه به این دستیار کمک می‌کند تا در بررسی‌های جدید، از اطلاعاتِ پیشین استفاده و از تکرار جست‌وجوهای مشابه جلوگیری کند.
   
• استدلال و ارزیابی دستیار هوشمند[6]: وقتی یک خبر مهم در حوزه فناوری منتشر می‌شود، سارا به سرعت آن را تحلیل می‌کند. آیا این خبر واقعاً مهم است؟ چه تأثیری روی بازار می‌گذارد؟ او با استفاده از منطق و دانش خود، سعی می‌کند تا به درک درستی از موضوع برسد. این «قدرت تحلیل و ارزیابی» همان چیزی است که یک روزنامه‌نگار می‌تواند با آن دیدگاه‌های روشنگرانه‌ای ارائه دهد. پس یک دستیار هوشمند هم باید بتواند اطلاعات را تجزیه و تحلیل کند و بر اساس آن، تصمیمات منطقی بگیرد.
  بررسی‌ها نشان داده است که مدل‌های زبانی بزرگ و دستیاران هوشمند می‌توانند به طور مؤثری استدلال کنند. سیستم‌های استدلال و ارزیابی، گردش کار عامل را با فراهم کردن توانایی فکر کردن در مورد مسائل و ارزیابی راه‌حل‌ها بهبود می‌بخشند. برای مثال، یک عامل هوش مصنوعی که در حال بررسی یک ادعای خبری است، باید بتواند با استفاده از منابع مختلف استدلال کند، شواهد را ارزیابی نماید و در نهایت صحت یا نادرستی ادعا را تشخیص دهد.
   
• برنامه‌ریزی و بازخورد دستیار هوشمند[7]: سارا معمولاً برای هفته‌ها و ماه‌های آینده برنامه‌ریزی می‌کند که چه موضوعاتی را پوشش دهد. اما اگر یک خبر فوری و مهم منتشر شود، او باید بتواند برنامه‌اش را تغییر دهد و به سرعت به آن خبر بپردازد. این «برنامه‌ریزی و سازگاری» نشان می‌دهد که یک روزنامه‌نگار موفق چگونه با شرایط متغیر کنار می‌آید.
  یک دستیار هوشمند هم باید بتواند برنامه‌ریزی کند و در صورت لزوم، برنامه‌های خود را بر اساس بازخوردها و اطلاعات جدید تغییر دهد. برنامه‌ریزی نقش مهمی در سازماندهی وظایف برای دستیابی به اهداف سطح بالاتر دارد. برنامه‌ریزی می‌تواند بدون بازخورد (در عوامل خودمختار) یا همراه با بازخورد (با نظارت و تعدیل برنامه‌ها بر اساس ورودی‌های مختلف از جمله تغییرات محیطی و بازخورد مستقیم انسان) انجام شود. در برنامه‌ریزی، این دستیارها ممکن است از استدلال تک‌مسیره، استدلال متوالی در هر مرحله از کار یا استدلال چندمسیره برای بررسی استراتژی‌های مختلف و ذخیره استراتژی‌های کارآمد برای استفاده‌های بعدی استفاده کنند. برنامه‌ریزان خارجی (مانند کد یا سایر سیستم‌های عامل) نیز ممکن است در هماهنگی برنامه‌ها نقش داشته باشند. برای مثال، دستیاری که خبرهای فوری را پوشش می‌دهد باید بتواند به سرعت یک برنامه برای جمع‌آوری اطلاعات، مصاحبه با منابع، نوشتن خبر و انتشار آن تنظیم کند و در صورت لزوم بر اساس اطلاعات جدید یا بازخورد سردبیر، برنامه‌ی خود را عوض کند.

تحولی در تعامل با نرم‌افزار و داده